Ir al contenido

Descripción general de los conjuntos de datos de seguimiento de múltiples objetos

El seguimiento de múltiples objetos es un componente crítico en el análisis de vídeo que identifica objetos y mantiene IDs únicos para cada objeto detectado a través de los fotogramas de vídeo. Ultralytics YOLO proporciona potentes capacidades de seguimiento que se pueden aplicar a varios dominios, incluyendo la vigilancia, el análisis deportivo y la monitorización del tráfico.

Formato del conjunto de datos (próximamente)

El detector de múltiples objetos no necesita entrenamiento independiente y admite directamente la detección pre-entrenada, la segmentación o los modelos de pose. El soporte para entrenar rastreadores solos estará disponible próximamente.

Trackers disponibles

Ultralytics YOLO admite los siguientes algoritmos de seguimiento:

  • BoT-SORT - Usar botsort.yaml para habilitar este rastreador (predeterminado)
  • ByteTrack - Usar bytetrack.yaml para habilitar este rastreador

Uso

Ejemplo

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)
yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3, iou=0.5 show

Persistencia de seguimientos entre fotogramas

Para el seguimiento continuo a través de fotogramas de vídeo, puedes utilizar el persist=True parámetro:

Ejemplo

import cv2

from ultralytics import YOLO

# Load the YOLO model
model = YOLO("yolo11n.pt")

# Open the video file
cap = cv2.VideoCapture("path/to/video.mp4")

while cap.isOpened():
    success, frame = cap.read()
    if success:
        # Run tracking with persistence between frames
        results = model.track(frame, persist=True)

        # Visualize the results
        annotated_frame = results[0].plot()
        cv2.imshow("Tracking", annotated_frame)

        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        break

cap.release()
cv2.destroyAllWindows()

Preguntas frecuentes

¿Cómo utilizo el seguimiento multi-objeto con Ultralytics YOLO?

Para utilizar el seguimiento de múltiples objetos con Ultralytics YOLO, puede comenzar utilizando los ejemplos de python o CLI proporcionados. Aquí le mostramos cómo puede empezar:

Ejemplo

from ultralytics import YOLO

model = YOLO("yolo11n.pt")  # Load the YOLO11 model
results = model.track(source="https://youtu.be/LNwODJXcvt4", conf=0.3, iou=0.5, show=True)
yolo track model=yolo11n.pt source="https://youtu.be/LNwODJXcvt4" conf=0.3 iou=0.5 show

Estos comandos cargan el modelo YOLO11 y lo utilizan para rastrear objetos en la fuente de vídeo dada con una confianza específica (conf) y Intersección sobre Unión (iou) umbrales. Para obtener más detalles, consulta el documentación del modo de seguimiento.

¿Cuáles son las próximas funciones para entrenar trackers en Ultralytics?

Ultralytics mejora continuamente sus modelos de IA. Una próxima función permitirá el entrenamiento de trackers independientes. Hasta entonces, Multi-Object Detector aprovecha los modelos pre-entrenados de detección, segmentación o Pose para el seguimiento sin necesidad de un entrenamiento independiente. Manténgase al día siguiendo nuestro blog o consultando las próximas funciones.

¿Por qué debería usar Ultralytics YOLO para el seguimiento de múltiples objetos?

Ultralytics YOLO es un modelo de detección de objetos de última generación conocido por su rendimiento en tiempo real y su alta precisión. El uso de YOLO para el seguimiento de múltiples objetos proporciona varias ventajas:

  • Seguimiento en tiempo real: Logre un seguimiento eficiente y de alta velocidad, ideal para entornos dinámicos.
  • Flexibilidad con modelos pre-entrenados: No hay necesidad de entrenar desde cero; simplemente use los modelos de detección, segmentación o Pose pre-entrenados.
  • Facilidad de uso: La sencilla integración de la API con Python y CLI facilita la configuración de los conductos de seguimiento.
  • Documentación exhaustiva y soporte de la comunidad: Ultralytics proporciona documentación completa y un foro comunitario activo para solucionar problemas y mejorar sus modelos de seguimiento.

Para obtener más detalles sobre cómo configurar y utilizar YOLO para el seguimiento, visita nuestra guía de uso de seguimiento.

¿Puedo usar conjuntos de datos personalizados para el seguimiento de múltiples objetos con Ultralytics YOLO?

Sí, puedes utilizar conjuntos de datos personalizados para el seguimiento de múltiples objetos con Ultralytics YOLO. Si bien el soporte para el entrenamiento de rastreadores independientes es una característica próxima, ya puedes utilizar modelos pre-entrenados en tus conjuntos de datos personalizados. Prepara tus conjuntos de datos en el formato apropiado compatible con YOLO y sigue la documentación para integrarlos.

¿Cómo interpreto los resultados del modelo de seguimiento Ultralytics YOLO?

Después de ejecutar un trabajo de seguimiento con Ultralytics YOLO, los resultados incluyen varios puntos de datos, como los ID de los objetos rastreados, sus cuadros delimitadores y los puntajes de confianza. Aquí tienes una breve descripción general de cómo interpretar estos resultados:

  • IDs rastreados: A cada objeto se le asigna un ID único, lo que ayuda a rastrearlo a través de los fotogramas.
  • Cuadros delimitadores: Estos indican la ubicación de los objetos rastreados dentro del fotograma.
  • Puntuaciones de confianza: Estas reflejan la confianza del modelo en la detección del objeto rastreado.

Para obtener una guía detallada sobre cómo interpretar y visualizar estos resultados, consulta la guía de manejo de resultados.

¿Cómo puedo personalizar la configuración del tracker?

Puede personalizar el tracker creando una versión modificada del archivo de configuración del tracker. Copie un archivo de configuración de tracker existente de ultralytics/cfg/trackers, modifique los parámetros según sea necesario y especifique este archivo al ejecutar el tracker:

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
results = model.track(source="video.mp4", tracker="custom_tracker.yaml")


📅 Creado hace 1 año ✏️ Actualizado hace 2 meses

Comentarios